基于时间序列的建筑工程施工阶段造价预测方法研究

田宇晖

在建筑工程领域，施工阶段的造价预测是项目管理中的关键环节。准确预测施工阶段造价不仅有助于企业合理分配资源、优化成本控制，还能为项目决策提供有力支持。近年来，国内外学者在建筑工程造价预测方法上进行了大量研究，提出了多种预测模型和方法，不仅丰富了造价预测的理论体系[1]，还为实际工程应用提供了有力支持。然而，由于建筑工程的复杂性和多样性，造价预测仍然面临诸多挑战。例如，不同项目之间的造价影响因素差异较大，如何构建普适性强的预测模型是一个亟待解决的问题。因此，本文旨在研究基于时间序列的建筑工程施工阶段造价预测方法。

1 时间序列分析

时间序列分析是一种通过研究数据随时间变化的规律来预测未来趋势的统计方法。在建筑工程造价预测中，时间序列分析能捕捉历史造价数据中的隐含信息，发现造价变化的内在规律，进而对未来的造价趋势进行预测。该方法的优点在于，它充分利用了已有的造价数据，无须过多外部信息就可实现较为准确的预测。通过对历史造价数据的深入分析，挖掘造价变化的内在规律，构建更为准确的预测模型。这不仅有助于提升建筑工程造价预测的效率和精度，而且能为企业的项目管理和决策提供有力支持。

科技的进步使建筑工程项目不断增加，规模也不断扩大。在整个建造过程中，造价管理是重要的基础工作。做好工程造价工作，不仅能确保工程顺利实施，而且能全面提升工程质量和管理效率，并有效地控制工程成本。在实际工作中，时间序列是在工程造价预算和工程量清单计价基础上制订的，为了明确时间序列的具体情况，还需进行更深入的研究。

2 采集建筑工程特征信息

工程造价预测是整个项目的基础工作，贯穿于整个工程，主要包括设计方案概算、可行性估算、施工图预算、招标报价、投标报价、竣工决算等方面。工程造价预测不仅与建筑结构相关，还与建筑规模和功能息息相关，同时受到建筑环境和地点等因素的影响，工程造价预测难度较大。当前比较常见的预测方式都是基于工程量清单计价的，工作量非常大，且较为复杂，但是能准确计算出具体情况。随着科技的不断进步，基于时间序列和预测功能进行时间分析，可以为造价预测提供一条新路径。建筑工程的特征繁多且复杂，涵盖从建筑物的整体结构到各个楼层的细节特点，因此在收集这些特征时，不仅要关注建筑物的整体高度和楼层数量，还要深入了解其地基深度、各楼层面积和地下室的类型等。此外，建筑物的材料选择（如钢结构、砖、钢筋混凝土等）对工程造价也有显著影响[2]。

除了建筑物的物理特性，还应该综合考虑业主方与设计方的内在特征，例如，建筑施工工艺与材料的选择、施工地质环境条件等。这些因素同样对工程造价预测具有重要影响。建筑选址、建筑内外景、建筑装饰功能与暖通排水功能等方面，也要统筹兼顾。

建筑工程的特征信息收集是一个综合性过程，需综合考虑建筑物的各个方面及与之相关的各种因素。这些特征不仅影响工程造价的预测，且直接关系到建筑工程的质量和安全。因此，在进行工程造价预测时，应全面、准确地收集和分析这些特征信息，确保预测结果的准确性和可靠性。

3 设置建筑工程施工阶段造价影响因素集

在获取各类建筑工程特征信息的基础上，搭建分类特征框架，具体情况有以下几种：第1，竹胶合板。应用竹胶合板能适当缩短工期。第2，木质模板。木质模板的使用较为方便。第3，钢材模板。能够重复使用，可在一定程度上降低成本。第4，木胶板。木胶板的黏合度较高，有较好的实际使用效果。在应用过程中，要结合实际情况，选择适合的材料，以全面提升施工效率和施工质量。

在对建筑工程施工阶段资料进行分级的基础上，应考虑到建筑工程造价的性质以及结构特征，明确对初始造价阶段产生影响的因素x（x∈R，R代表项目施工环节的造价系数，n代表项目施工环节的项目数量）。把所有影响因素x依次对应z（工程造价结果）[3]，获得的影响因素集合（Q）如下：

式（1）中：d代表样本的具体数量。

假设第i个造价影响因素所对应的造价为zi（zi∈R），在同一时刻时，i取值符合[0,d]范围。同时，因为在计算造价时要考虑内部因素，所以用m（m∈R）来表示内部因素，内部因素数据集M可以被构造为：

根据公式（1）和公式（2）可获得项目施工环节对最终造价产生影响的因素集合T：

根据上述过程，本文可以设定一个建筑工程关于造价影响因素的集合，该集合可以成为造价预测模型中的目标函数，以此建立项目施工环节造价预测模型。

4 基于时间序列建立建筑工程施工阶段造价预测模型

为了更好地分析项目施工环节造价预测模型，本文采用3 种类型的模型对其预测效应进行检验。结合工程特性，针对时间序列进行建模，具体检验模型及其识别准则如表1 所示。

表1 模型类别与识别准则

根据表1 中的3 类模型原理[4]，构建项目施工环节造价预测模型：

式（4）中：Ωp1为均方误差；Ωpn为均方根误差；pn为高阶模型参数；p1为低阶模型参数；N为样本总量。

在完成建筑工程施工阶段造价预测模型的构建后，为了确保其准确性和可靠性，通过表1 中的3 类模型展开检验，目的是确定所建立的模型是否满足平稳时间序列的特征要求。

1）平稳性检验。平稳性检验是评估时间序列数据是否随时间保持恒定特性的过程。如果时间序列在时序图上表现出显著的增加或减少态势，可以证明该序列是非均匀的。针对没有明显变化的时序图形，还需要通过自相关系数分析检验作出进一步判断。若自相关系数分图中存在三角形对称性，由于滞后阶数的增大，自相关系数先增加后减少，通常意味着时间序列是非平稳的。相反，若自相关系数随滞后阶数的增大而减小，趋于0，则表示该时间序列为稳态[5]。对于非平稳的时间序列，要对其进行处理，使其趋于稳定，之后才能进行下一步的研究。

2）纯随机性检验。纯随机性检验由LB统计量来判断，LB统计量由式（5）计算得出：

式（5）中：t为时间序列观测期数；u为指定延迟期数。

当LB统计量的值超过延迟期数u时，该序列被视为非白噪声序列，意味着该序列具有某种统计规律，适宜进行进一步的分析；相反，如果LB统计量的值未超过u，则该序列被判定为纯随机序列，这样的序列由于不具备统计规律，不再进行进一步分析。

综上所述，通过严谨的时间序列特性检验，成功构建了基于时间序列的建筑工程施工阶段造价预测模型，并对其进行了有效验证。这为后续的研究工作提供了有力支持，有助于更深入地理解建筑工程造价的变化规律，为实际工程应用提供有益指导。

5 建筑工程施工阶段造价预测实践

利用大数据技术对建筑工程施工阶段的造价进行动态预测，不但可以实现对工程进度的实时监测，而且能对施工过程中可能发生的各项费用作出预测。鉴于施工项目建设总造价的计算涉及因素较多，且有些因素带有模糊性，很难对其进行直接定量[6]，本文专门建立了施工阶段造价性能指标，用C表示。该指标能通过公式（6）计算得出：

式（6）中：B为进度绩效指数；A为工程在施工阶段的总投入费用。在上述过程中，要密切关注参数C的变化情况，以预测建筑工程施工阶段的造价变动趋势。C作为造价预测模型中的一个关键变量，其动态变化能反映施工阶段造价的波动特征。施工环节造价变化趋势的预测结果计算如下：

式（7）中：数E为施工环节造价变化趋势的预测结果；数L为施工环节；数e为显著性参数；数j为分项工程个数。

对E值展开深入分析，能发现建筑工程在施工环节可能遇到的风险及异常。为了实现以时间序列为依托的施工环节造价预测目标，根据新建项目施工环节的工程量，借助MATLAB软件辅助编制建筑工程施工的工程量清单。这一过程不仅降低了造价核算的复杂性，还提高了核算的准确性。该方法可以对施工阶段的造价进行实时监控和预测，为项目管理提供有力的决策支持。

通过分析E值的变化，结合工程量清单的编制，实现了对建筑工程施工阶段造价的有效预测和核算，不仅提高了项目管理的效率，而且降低了施工风险，确保项目的成功实施。

6 试验

6.1 试验准备

为实现对预测方法的运用，为建筑项目的建设单位和业主提供度量工具和检查工具，为实例参数提供度量基准，本文以海南省三亚市海棠湾工程为例，建筑工程施工阶段主要技术标准如表2 所示。

表2 建筑工程主要技术标准

为了全面评估基于时间序列的建筑工程施工阶段造价预测方法的性能，引入了另外两种对比方法：基于SVR算法的高速铁路施工全过程造价预测方法（以下称方法1）以及基于LSSVM 的道路工程施工阶段造价预测方法（以下称方法2）。在完成对所有应用环境的搭建和配置后，利用这3种方法分别对海南省三亚市海棠湾工程施工阶段的造价进行了预测。为了直观地展示各种方法的预测结果和性能差异，记录了预测数据并绘制了对比图，如图1 所示。

图1 试验测试结果图（来源：网络）

6.2 试验结果分析

由图1 可以看出，该建筑工程施工阶段的实际造价与本文方法所预测的成本之间的平均误差是3.40%，相对误差是0.032；实际造价与方法1 预测的成本之间的平均误差是4.10%，相对误差是0.098；实际造价与方法2预测的成本之间的平均误差是6.30%，相对误差是0.108。结果表明，本文所提出的预测方法具有良好的预测准确性，且预测误差比其他方法都要小。综上所述，本文的研究成果可以较好地完成造价预测，对建筑项目的施工具有重要的指导作用。

7 结语

基于时间序列提升建筑工程造价预测准确性，是当下建筑工程项目和工程造价控制的主要发展趋向。信息技术、计算机技术、大数据技术、智能技术的广泛应用，优化了现有工程造价控制，并在原有措施基础上，不断强化时间序列理念，从项目的组织、机构、使用技术、管理等方面，全面提升了工程造价预测水平。本研究基于时间序列分析，对建筑工程施工阶段的造价预测进行了深入研究。通过挖掘历史数据中的隐含信息，构建了精准的预测模型，为工程实践提供了有力的决策支持。尽管本文的研究取得了一定的成果，但造价预测仍面临诸多复杂挑战。未来，将继续探索更为先进的预测方法和技术，以提高预测精度和普适性，为建筑工程领域的成本管理和优化做出更大的贡献。